Tous les produits
Search
Centre de documentation

Function Compute:Configurer les layers publics officiels

Dernière mise à jour :Aug 12, 2026

Intégrer toutes les dépendances dans le package de déploiement de chaque fonction génère des archives volumineuses et duplique les efforts entre les fonctions. Function Compute fournit des layers publics officiels pour les runtimes courants et les bibliothèques de dépendances. Ajoutez un layer public pour partager les dépendances entre plusieurs fonctions sans devoir les reconstruire systématiquement.

Layers publics

Les tableaux ci-dessous répertorient les layers publics disponibles par catégorie. Pour consulter la liste complète, reportez-vous à Layers publics. Si vous avez besoin d'un layer absent de cette liste, contactez-nous.

Runtimes personnalisés

Ces layers fournissent des environnements d'exécution pour les runtimes personnalisés tels que Python 3.10 et Node.js 17. Certains incluent également des bibliothèques de dépendances courantes. Par exemple, Python310-Package-Collection regroupe des packages Python fréquemment utilisés.

Layer public Runtime compatible Description Références
PHP81-Debian10 Custom.Debian10 Layer runtime PHP 8.1 Debian 10 README.md
PHP80-Debian10 Custom.Debian10 Layer runtime PHP 8.0 Debian 10 README.md
Nginx Custom.Debian10 Layer runtime Nginx Debian 10 README.md
Python310 Custom, Custom.Debian10 Layer runtime Python 3.10.5 README.md
Python310-Package-Collection Custom.Debian10 Ensemble de bibliothèques de dépendances courantes pour le runtime Python 3.10 README.md
Python39 Custom, Custom.Debian10 Layer runtime Python 3.9.13 README.md
Python39-Package-Collection Custom, Custom.Debian10 Ensemble de bibliothèques de dépendances courantes pour le runtime Python 3.9 README.md
Python38 Custom, Custom.Debian10 Layer runtime Python 3.8.13 README.md
Python38-Package-Collection Custom, Custom.Debian10 Ensemble de bibliothèques de dépendances courantes pour le runtime Python 3.8.13 README.md
Python36 Custom Layer runtime Python 3.6.15 README.md
Python36-Package-Collection Custom Ensemble de bibliothèques de dépendances courantes pour le runtime Python 3.6.15 README.md
Dotnet6 Custom, Custom.Debian10 Layer runtime ASP.NET 6.0.5 README.md
PHP72 Custom Layer runtime PHP 7.2 README.md
Java8 Custom.Debian10 Layer runtime Java 8 README.md
Java11 Custom, Custom.Debian10 Layer runtime Java 11 README.md
Java17 Custom, Custom.Debian10 Layer runtime Java 17 README.md
Java21 Custom.Debian10 Layer runtime Java 21 README.md
Nodejs20 Custom.Debian10 Layer runtime Node.js 20 README.md
Nodejs18 Custom.Debian10 Layer runtime Node.js 18 README.md
Nodejs17 Custom Layer runtime Node.js 17 README.md
Nodejs16 Custom, Custom.Debian10 Layer runtime Node.js 16 README.md
Nodejs14 Custom Layer runtime Node.js 14 README.md
Nodejs12 Custom Layer runtime Node.js 12 README.md
Go1 Custom.Debian10 Layer runtime Go 1 README.md
Go118 Custom Layer runtime Go 1.x README.md

Bibliothèques de dépendances courantes

Layer public Runtime compatible Description Version de la bibliothèque principale Références
Python310-OSS2 Python 3.10, Custom.Debian10 oss2 : SDK OSS pour Python - README.md
Python39-OSS2 Python 3.9, Custom.Debian10 oss2 : SDK OSS pour Python - README.md
Python310-TensorFlow2x Python 3.10, Custom.Debian10 Framework open source de machine learning (édition CPU) tensorflow==2.15.0.post1 README.md
Python3x-PyMongo4x Python 3.10, Custom.Debian10 Bibliothèque open source de calcul scientifique PyMongo==4.6.1 README.md
Python3x-Pandas2x Python 3.9, Custom.Debian10 Outil open source d'analyse et de traitement des données basé sur NumPy pandas==2.2.1 README.md
Python310-PyTorch2x Python 3.10, Custom.Debian10 Framework open source de machine learning (édition CPU) torch==2.2.1+cpu README.md
Python39-Pandas1x Python 3.9, Custom, Custom.Debian10 Outil open source d'analyse et de traitement des données basé sur NumPy pandas==1.4.3 README.md
Python39-SciPy1x Python 3.9, Custom, Custom.Debian10 Bibliothèque open source de calcul scientifique scipy==1.9.0, numpy==1.23.2 README.md
Python36-SciPy1x Python 3.6, Custom Bibliothèque open source de calcul scientifique scipy-1.5.4, numpy-1.19.5 README.md
Python39-PyTorch1x Python 3.9, Custom, Custom.Debian10 Framework open source de machine learning (édition CPU) torch==1.12.1+cpu, torchaudio==0.12.1+cpu, torchvision==0.13.1+cpu README.md
Python36-PyTorch1x Python 3.6, Custom Framework open source de machine learning (édition CPU) torch==1.10.2+cpu, torchaudio==0.10.2+cpu, torchvision==0.11.3+cpu README.md
Python3-Flask2x Python 3.9, Python 3.10, Custom, Custom.Debian10 Framework web léger basé sur Python flask-v2.2.2 README.md
Nodejs-Puppeteer17x Node.js 16, Node.js 14, Custom, Custom.Debian10 Outil Headless Chrome puppeteer-v17.1.0 README.md
Nodejs-Puppeteer10x Node.js 14, Node.js 12, Node.js 10, Custom Outil Headless Chrome puppeteer-v10.2.0 README.md
Nodejs-Puppeteer19x Custom.Debian10 Outil Headless Chrome puppeteer-v19.8.5 README.md
Python310-Opencv4x Python 3.10, Custom.Debian10 Bibliothèque multiplateforme de vision par ordinateur opencv_python-4.7.0.68 README.md
Python38-Playwright Custom.Debian10 Outil d'automatisation de pages web playwright==1.31.1 README.md
Poppler22x-Pdf2image Python 3.10 Bibliothèque de rendu de documents PDF pdf2image-1.16.3, poppler-22.12.0 README.md
SQLite3 Python 3.9, Node.js 16, Node.js 14, Java 11, Java 8, Custom Base de données relationnelle légère embarquée 3.41.1 README.md
FFmpeg6x Python 3.10, Python 3.9, Node.js 16, Node.js 14, Java 11, Java 8, Custom, Custom.Debian10 Boîte à outils open source pour l'enregistrement, la conversion et le streaming audio et vidéo 6,0 README.md
ServerlessDevs Python 3.10, Python 3.9, Python 3, Node.js 16, Node.js 14, Java 11, Java 8, Go 1, .NetCore 3.1, PHP 7.2, Custom, Custom.Debian10 Plateforme serverless open source offrant un ensemble robuste d'outils aux développeurs 2.1.14 README.md

Frameworks web

Layer public Runtime compatible Version de la bibliothèque principale Références
Python3-Flask2x Python 3.9, Python 3.10, Custom, Custom.Debian10 flask-2.2.2 README.md

SDK Alibaba Cloud

Layer public Runtime compatible Description Références
Python310-Aliyun-SDK Python 3.10, Custom.Debian10 SDK Alibaba Cloud courants pour Python 3.10 README.md
Python39-Aliyun-SDK Python 3.9, Custom SDK Alibaba Cloud courants pour Python 3.9 README.md
Python36-Aliyun-SDK Python 3.6, Custom SDK Alibaba Cloud courants pour Python 3.6 README.md
Nodejs-Aliyun-SDK Node.js 20, Node.js 18, Node.js 16, Node.js 14, Custom, Custom.Debian10 SDK Alibaba Cloud courants (Node.js 20, Node.js 18, Node.js 16 et Node.js 14) README.md
Aliyun-DataX Python 3.6, Python 3.9, Custom, Custom.Debian10 Édition open source de DataWorks Data Integration d'Alibaba Cloud README.md

Fonctionnement des layers

Une fonction prend en charge jusqu'à cinq layers au total, combinant layers personnalisés et publics. Lorsque plusieurs layers sont configurés, Function Compute fusionne leur contenu dans le répertoire /opt selon un ordre inverse. Si deux layers contiennent des fichiers portant le même nom, le fichier du premier layer configuré prévaut sur ceux des layers suivants.

Ajouter un layer public dans la console

Prérequis

Avant de commencer, assurez-vous de disposer des éléments suivants :

Ajouter le layer

  1. Connectez-vous à la console Function Compute. Dans le volet de navigation de gauche, cliquez sur Functions.

  2. Dans la barre de navigation supérieure, sélectionnez une région. Sur la page Functions, cliquez sur le nom de la fonction à configurer.

  3. Sur la page de détails de la fonction, cliquez sur l'onglet Configurations.

  4. Dans l'arborescence de navigation de gauche, cliquez sur Layers, puis sur Modify.

  5. Dans le panneau Layers, cliquez sur + Add Layer et sélectionnez Add Official Common Layer. Choisissez un layer dans la liste déroulante Official Common Layer ainsi qu'une version dans la liste déroulante Layer Version, puis cliquez sur Deploy.

Ajouter un layer public avec Serverless Devs

Prérequis

Avant de commencer, assurez-vous de disposer des éléments suivants :

Ajouter le layer

  1. Exécutez la commande suivante pour lister les layers publics officiels dans une région :

    s cli fc layer list --official --region cn-hangzhou

    La sortie affiche les layers disponibles avec leurs ARN. Copiez l'ARN du layer à utiliser.

    -
      layerName:         Python39-Aliyun-SDK
      arn:               acs:fc:cn-hangzhou:official:layers/Python39-Aliyun-SDK/versions/3
      version:           3
      acl:               1
      description:       Python3.9 Aliyun SDK layer.
      compatibleRuntime:
        - custom
        - python3.9
        - custom.debian10
    -
      layerName:         Python39-Package-Collection
      arn:               acs:fc:cn-hangzhou:official:layers/Python39-Package-Collection/versions/3
      version:           3
      acl:               1
      description:       Python3.9 package collection layer.
      compatibleRuntime:
        - custom
        - custom.debian10

    Champs clés de la sortie :

    Champ Description
    layerName Nom du layer
    version Version du layer
    arn ARN de la version du layer, utilisé lors de l'attachement du layer à une fonction
    acl Contrôle d'accès : 0 = privé, 1 = public
    description Brève description du layer
    compatibleRuntime Runtimes pris en charge par ce layer
  2. Dans le répertoire de votre projet, créez un fichier s.yaml et ajoutez l'ARN du layer au champ layers.

    edition: 3.0.0
    name: hello-world-app
    access: "default"
    
    vars: # The global variables
      region: "cn-hangzhou"
    
    resources:
      hello_world:
        component: fc3 # The component name.
        actions:       # The custom execution logic.
        props:
          region: ${vars.region}
          functionName: "emoji"
          description: 'this is a layer demo'
          runtime: "python3.9"
          code: ./code
          handler: index.handler
          memorySize: 512
          timeout: 60
          internetAccess: true
          layers:    # The ARNs of the layers attached to the function.
            - acs:fc:cn-hangzhou:official:layers/Python39-Aliyun-SDK/versions/3
  3. Créez un répertoire code dans le répertoire de votre projet et placez-y le code de votre fonction.

  4. Exécutez la commande suivante pour déployer la fonction avec le layer configuré :

    s deploy

Étapes suivantes